Estudo apresenta alternativa para reconhecer padrão de chuva

Profissional formado em sistemas de informação, Ronaldo Toshiaki Oikawa desenvolve estudo científico no qual tem como base as Redes Neurais Artificiais (RNA), que são modelos não lineares assemelhados ao cérebro humano, para reconhecer padrões de chuva em Presidente Prudente. Através de dados e de cálculos sobre os mesmos tornou possível indicar forma alternativa de se reconhecer padrões das precipitações de chuvas, com altos índices de acerto.
 
Na pesquisa foram utilizados dois algoritmos com aprendizagem supervisionada. Um foi a Rede de Múltipla Camada de Retro Propagação, com 23 neurônios e com uma, duas e três camadas ocultas. Outro foi a Máquina de Vetor de Suporte (SVM), utilizando o núcleo polinomial como função da base e hiper tangente. O conjunto de dados analisados ocorreu de janeiro de 1996 a maio de 2012; obtidos junto ao Centro de Previsão do Tempo e Estudos Climáticos (CPTEC).
 
Conforme o autor do estudo, os resultados demonstraram que a pressão atmosférica, a direção do vento, a temperatura mínima e umidade relativa do ar são parâmetros que estão mais relacionados à precipitação da chuva. Os melhores resultados foram encontrados no modelo SVM, com núcleo função de base radial, utilizando o parâmetro sigma=0,1. A pesquisa serviu de embasamento na produção da dissertação “Reconhecimento do Padrão Pluvial na Cidade de Presidente Prudente/SP Através da Rede Neural Artificial”.
 
A defesa pública ocorreu na tarde desta segunda-feira (16). O trabalho orientado pelo Dr. Hamilton Mitsugu Ishiki recebeu na banca examinadora os doutores Marcos Norberto Boin e Almir Olivette Artero, convidado junto a Unesp em Prudente. Professor da Faculdade de Informática de Presidente Prudente (Fipp), Oikawa foi aprovado para receber o título de mestre em Meio Ambiente e Desenvolvimento Regional, concedido pela Pró-reitoria de Pesquisa e Pós-graduação da Unoeste.
 
“Ambos os modelos baseados em RNA apresentados neste estudo mostraram-se flexíveis o suficiente para serem aplicados em outras regiões, com boas chances de sucesso, ao invés de modelos estatísticos. Esta observação é interessante, considerando que as séries de dados de muitas estações meteorológicas estão com sérios problemas de continuidade, e algumas possuem séries de dados inferiores há 30 anos, recomendado pela OMM [Organização Mundial de Meteorologia]”, pontuou Oikawa.